Академический Документы
Профессиональный Документы
Культура Документы
Carrera:
INGENIERIA
AUTOMATIZACIN
rea Acadmica:
INDUSTRIAL
EN
Automatizacin
Lnea de Investigacin:
Industrial
Sptimo Semestre A
Alumnos participantes:
ANDA CHRISTIAN
CRIOLLO MAURO
MANOBANDA DAVID
RAMN MARLON
PROCESOS
DE
Ao
1
2
3
Exportaciones
33
32
29
Ao
4
5
6
Exportaciones
26
27
24
Solucin:
Ao
x
1
2
3
4
5
6
21
Exportaciones
y
33
32
29
26
27
24
171
x2
1
4
9
16
25
36
91
a = 34.8
xy
33
64
87
104
135
144
567
y2
1089
1024
841
676
729
576
4935
b = -1.8
2.-) Un pequeo hospital est planeando las necesidades de su ala de maternidad. Los datos
que aparecen a continuacin muestran el nmero de nacimientos en cada uno de los ltimos
ocho aos.
Ao
1
2
3
4
Nacimientos
565
590
583
597
Ao
5
6
7
8
Nacimientos
615
611
610
623
a) Utilice la regresin lineal simple para pronosticar la cantidad anual de nacimientos para
cada uno de los tres aos siguientes.
b) Determine el coeficiente de correlacin para los datos e interprete su significado.
c) Encuentre el coeficiente de determinacin de los datos e interprete su significado.
Solucin:
Ao
x
1
2
Nacimientos
y
565
590
x2
1
4
xy
565
1180
y2
319225
348100
3
4
5
6
7
8
36
583
597
615
611
610
623
4794
9
16
25
36
49
64
204
1749
2388
3075
3666
4270
4984
21877
339889
356409
378225
373321
372100
388129
2875398
a)
a
a =
566.67857
b=
7.23809
631.8214286
Ao 10:
639.0595238
Ao 11:
646.297619
b)
r
r =
0.92109
c)
r2 = (0.92109)2 * 100%
r2 =
85%
3) Integrated Products Corporation (IPC) necesita estimar sus ventas del prximo ao. La
siguiente tabla contiene los ingresos de la lnea de computadoras XT de la empresa de los
ltimos seis aos:
Ao
Ingresos de ventas
(millones de dlares)
1
2
3
4
5
6
2,4
5,9
15,5
27,8
35,9
38,1
a. Suponiendo que los datos de ventas arriba citados sean representativos de las ventas
que se esperan el ao siguiente, utilice un anlisis de regresin de serie tiempo para
pronosticar los ingresos por ventas de ese ao (ao 7).
Solucin:
1
2
3
4
5
6
21
2,4
5,9
15,5
27,8
35,9
38,1
125,6
xy
2,4
11,8
46,5
111,2
179,5
228,6
580
1
4
9
16
25
36
91
5,76
34,81
240,25
772,84
1288,81
1451,61
3794,08
Los aos con los ingresos son directamente proporcionales, es decir conforme aumentan los
aos, los ingresos tambin lo hacen
c. Determine el coeficiente de determinacin de los datos e interprete su significado
4) Una empresa necesita desarrollar un pronstico de ventas para el ao siguiente para sus
ventas de vehculos recreativos. Suponga que sus ventas anuales estn relacionada con las
ventas de su sector industrial y ha preparado estos datos histricos.
Ventas
del
sector Ventas anuales de la empresa
industrial
(Nmero
de
vehculos
(Millones de dlares)
recreativos)
536
98
791
137
650
112
813
145
702
120
575
103
684
116
Si la estimacin de las ventas para el sector industrial del ao que viene es de 725 millones de
dlares, utilice una regresin lineal simple para pronosticar la demanda anual de vehculos
recreativos de la empresa para dicho ao.
Solucin:
Definiendo la tabla de datos:
Estableciendo la ecuacin:
X
536
791
650
813
702
575
684
4751
Y
98
137
112
145
120
103
116
831
X^2
287296
625681
422500
660969
492804
330625
467856
3287731
XY
52528
108367
72800
117885
84240
59225
79344
574389
y = 0.1643x + 7.1979
60
40
20
0
0
500
1000
1
2
2.4
5.9
4.6
8.6
3
4
5
6
15.5
2.8
35.9
38.1
10.7
14.8
18.5
19.4
a.) Haga un anlisis de regresin entre los ingresos por ventas anuales de computadoras
personales XT y los ingresos por ventas anuales de PC en toda la industria. Cul es el
pronstico de ingresos por ventas del ao que viene (ao 7) para las computadoras
personales XT, si la estimacin del siguiente ao de ingresos por ventas de PC para
toda la industria es de 21.900 millones de dlares?
b.) Qu pronstico el pronstico de serie de tiempo del problema 3 o el pronstico de
este problema- parecera ser mejor? Por qu?
Solucin:
MES(X)
TOTAL
VENTAS(PC XT)
(Y)
2.4
5.9
15.5
2.8
35.9
38.1
100.6
1
2
3
4
5
6
21
a=
-8.813333333
b=
y=
7.308571429
a+bx
X^2
XY
1
4
9
16
25
36
91
2.4
11.8
46.5
11.2
179.5
228.6
480
6.) La Comfort Zone Company (CZC) es un fabricante mediano con 10 aos de antigedad de
equipo de calefaccin y enfriamiento. Las ventas estn creciendo con rapidez y es necesario
incrementar la capacidad de produccin. La gerencia de la empresa se pregunta si los datos
nacionales de construccin de vivienda pudieran resultar un buen indicador de las ventas
anuales de la empresa.
Ao
Construccin de Viviendas
(millones)
2.1
1.8
2.4
2.8
3.1
2.6
2.4
1
2
3
4
5
6
7
Solucin:
a)
X
2.1
1.8
2.4
2.8
3.1
2.6
Y
230
215
270
310
360
370
X2
4.41
3.24
5.76
7.84
9.61
6.76
XY
483
387
648
868
1116
962
Y2
52900
46225
72900
96100
129600
136900
2.4
17.2
375
2130
5.76
43.38
900
5364
a = 17.724
b = 116.624
y = 17.724 + 116.624X
La ecuacin de regresin para el ao 1 es:
y = 17.724 + 116.624X
y = 17.724 + 116.624(2.6)
y = 320.946
140625
675250
b)
r =
0.748
Semestre
1
2
3
4
5
Inscripciones a la
universidad
(miles)
7.2
6.3
6.7
7.0
6.9
Nmero de unidades
arrendadas
291
228
252
265
270
6.4
7.1
6.7
6
7
8
240
288
246
Solucin:
Ao
x
7.2
6.3
6.7
7
6.9
6.4
7.1
6.7
54.3
a)
U. Arrendadas
y
291
228
252
265
270
240
288
246
2080
x2
51.84
39.69
44.89
49
47.61
40.96
50.41
44.89
369.29
a= - 196.380789
xy
2095.2
1436.4
1688.4
1855
1863
1536
2044.8
1648.2
14167
y2
84681
51984
63504
70225
72900
57600
82944
60516
544354
b=
67.23842196
b)
r
r= 0.962826
Existe una relacin positiva fuerte entre el las inscripciones a la universidad y el nmero de
arriendos, por tanto, el dato es explicativo.
c)
r2 =
(0.962826)2 * 100%
r2 =
93%
inventario. Est estudiando uno de estos componentes, el CTR 5922. Las 12 semanas ms
recientes de demanda para el CTR 5922 son:
SEMANA
169
171
213
10
158
227
163
175
11
188
176
157
178
12
169
Utilice el mtodo de promedios mviles para pronsticos a corto plazo, con un promedio de tres
semanas, para desarrollar para la semana 13 un pronstico de la demanda para el componente
CRT 5922.
Solucin:
SEMANAS
1
2
3
4
5
6
7
8
9
10
11
12
13
DEMANDA REAL
(UNIDADES)
169
227
176
171
163
157
213
175
178
158
188
169
166
3 SEMANA
DESVIACION 3
SEMANA
171.667
2.667
departamento de mantenimiento. El gerente del hotel desea utilizar dos aos de datos que
aparecen a continuacin para pronosticar con un mes de anticipacin la cantidad de llamadas
para mantenimiento.
a.- Desarrolle pronsticos de promedio mvil para los ltimos 10 meses (meses 15 - 24) con
nmero de promedios promediados de 2, 4, 6 y 8 meses.
Solucin:
MES
LLAMADAS POR
MANTENIMIENTO
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
46
39
28
21
14
16
14
13
9
13
18
15
12
6
19
9
12
MES 2
MES 4
MES 6
MES 8
9
12,5
14
12,75
13
11,5
12,17
13,83
13,17
12,50
13,13
12,63
18
14
10,5
11,5
12,17
19
16
13
13,5
12,00
20
12
15
12,75
12,67
21
13
14
13,5
13,67
22
9
12,5
13,75
12,67
23
14
11
12,5
12,67
24
15
11,5
12
13,00
b.- Qu cantidad de periodos promediados da como resultado el error
13,00
13,13
12,88
12,50
12,63
13,00
12,38
de pronostico
RESPUESTA:
Se recomienda el promedio mvil de 8 meses ya que este tiene el pronstico medio absoluto
ms bajo siendo este 2.38
c.- Utilizando la cantidad de periodos promediados que usted recomienda, pronostique el
nmero de llamadas para mantenimiento para el mes siguiente.
25
13,13
10) El gerente del Holiday Lodge del problema 9 se pregunta si los datos del pasado ms
reciente tiene mayor importancia que los ms antiguos. Suponga que la cantidad de llamadas
para mantenimiento del mes 25 se pondera 0.5 y los pesos de los meses anteriores se reducen
de manera secuencial por un factor de 0.5 (es decir, 0.5 , 0.25, 0.125,etctera).
a) Desarrolle los pesos o coeficiente de ponderacin utilizarse en el pronstico de
promedios mviles ponderados.
b) Utilice los pesos del inciso a para pronosticar la cantidad de llamadas para
mantenimiento para el mes de 25 de los datos del problema 9 si la cantidad de periodos
promediados =10.
Solucin:
a)
LLAMADAS POR
MANTENIMIENTO
MES 2
MES 4
MES 6
MES 8
15
16
17
18
19
20
21
22
23
24
19
9
12
14
16
12
13
9
14
15
0.5
0.25
0.125
0.0625
b)
PRONSTICOS
MES 2
MES
LLAMADAS POR
MANTENIMIENTO
15
16
17
18
19
20
21
22
23
24
25
19
9
12
14
16
12
13
9
14
15
MAD
MES 4
MES 6
MES 8
PESOS PARA CADA MES
0.5
19
19
14
13
13.5
14.8
13.4
13.2
11.1
12.5
13.8
0.25
19
19
16.5
13.5
13.3
14.1
14.1
13.3
12.1
11.8
13.2
0.125
0.0625
19
19
19
19
17.75
9.63
13.75
12.13
13.13
13.94
13.81
15.84
14.41
12.17
13.33
13.02
12.66
9.26
11.46
13.82
12.85
14.85
sumatoria MAD
MES 2
MES 4
MES 6
MES 8
PESOS PARA CADA MES
0.5
0
10
2
1
2.5
2.8
0.4
4.2
2.9
2.5
0.25
0
10
4.5
0.5
2.8
2.1
1.1
4.3
1.9
3.2
0.125
0
10
5.8
0.3
2.9
1.8
1.4
4.3
1.3
3.5
0.0625
0
10
2.4
1.9
2.1
3.8
0.8
4.0
4.7
1.2
28.2
30.3
31.3
30.9
Trimestre
Auditores
132
139
136
140
134
142
140
139
135
137
139
141
Auditores
132
139
136
140
134
142
140
139
135
10
137
11
139
12
141
Auditores
132
139
136
140
134
142
140
139
135
10
137
11
139
12
141
Auditores
132
139
136
140
134
142
140
139
135
10
137
11
139
12
141
b)
Ao
1
Trimestre Auditores
2
periodos
4
periodos
6
periodos
Desviacin
2 periodos
Desviacin Desviacin
4 periodos 6 periodos
132
139
136
135.5
140
137.5
134
138
136.75
142
137
137.25
140
138
138
137.16667
2.8333333
139
141
139
138.5
0.5
135
139.5
138.75
138.5
4.5
3.75
3.5
137
137
139
138.33333
1.333333
139
136
137.75
137.83333
1.25
1.1666667
141
138
137.5
138.66667
3.5
2.3333333
Desviacion
absoluta
total
14.5
12.5
11.666666
MAD
2.41666667
2.0833333
1.9444444
Con base a la desviacin media absoluta a lo largo de los ltimos 6 trimestres de datos histricos
se obtiene que el ms preciso es aquel que se realiz con periodos promediados =6, ya que al
igual que el erros estndar, mientras ms bajos sean los valores obtenidos, el modelo de
pronsticos es mejor.
12) Utilizando los datos del problema 2, determine si deber utilizarse un numero de periodos
promediados=1, una cantidad de periodos promediados=2, o una cantidad de periodos
promediados=4 para desarrollar pronsticos de promedio mvil, de forma que el MAD de los
ltimos cuatro periodos se reduzca al mnimo. Considerando el patrn de datos del pasado.
Por qu se esperara que este valor de la cantidad de periodos nos diera una precisin de
pronstico mayor?
AO
1
2
3
4
5
6
7
8
NACIMIENTO
565
590
583
597
615
611
610
623
597
615
611
610
590
606
613
610,5
583,75
596,25
601,5
608,25
SUMA=
MAD=
18
4
1
13
36
9
25
5
3
12,5
45,5
11,38
31,25
14,75
8,5
14,75
69,25
17,31
13) The Sporting Charge Company adquiere grandes cantidades de cobre que se emplean en
sus productos manufacturados. Bill Bray est desarrollando un sistema de pronstico para los
precios del cobre. Ha acumulado estos datos histricos.
MES
MES
1
2
3
4
5
6
7
8
$
0,99
0,97
0,92
0,96
0,93
0,97
0,95
0,94
$
0,98
0,91
0,89
0,94
0,99
0,95
0,92
0,97
9
10
11
12
13
14
15
16
a. Utilice la suavizacin exponencial para pronosticar los precios mensuales del cobre.
Calcule cuales hubieran sido los pronsticos para todos los meses de datos histricos
con =0,1; =0,3 y =0,5 si para todas las el pronstico del primer mes fue de 99
centavos de dlar.
Si
Entonces:
PRONSTICOS
MES
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
MAD
=0,1
0,990
0,990
0,988
0,981
0,979
0,974
0,974
0,971
0,968
0,969
0,963
0,956
0,955
0,958
0,957
0,954
=0,3
0,990
0,990
0,984
0,965
0,963
0,953
0,958
0,956
0,951
0,960
0,945
0,928
0,932
0,949
0,950
0,941
=0,5
0,990
0,990
0,980
0,950
0,955
0,943
0,956
0,953
0,947
0,963
0,937
0,913
0,927
0,958
0,954
0,937
=0,1
0,000
0,020
0,068
0,021
0,049
0,004
0,024
0,031
0,012
0,059
0,073
0,016
0,035
0,008
0,037
0,016
=0,3
0,00
0,02
0,06
0,00
0,03
0,02
0,01
0,02
0,03
0,05
0,05
0,01
0,06
0,00
0,03
0,03
=0,5
0,00
0,02
0,06
0,01
0,02
0,03
0,01
0,01
0,03
0,05
0,05
0,03
0,06
0,01
0,03
0,03
=
MAD
0,476
0,030
0,426
0,027
0,461
0,029
14) Harlen Industries tiene un modelo de pronstico simple: se toma la demanda real del
mismo mes del ao anterior y se divide entre el nmero fraccional de semanas de ese mes.
Esto da una demanda semanal promedio para el mes. El promedio de esta semana se usa
como pronstico semanal del mismo mes este ao. La tcnica se us para pronosticar ocho
semanas de este ao, que se muestran a continuacin junto con la demanda real.
Las siguientes ocho semanas muestran el pronstico (basado en el ao pasado) y la demanda
real:
a) Calcule el pronstico con suavizacin exponencial simple de estos datos con una de
0.30 y un pronstico inicial (F1) de 31.
b) Calcule el pronstico de suavizacin exponencial con tendencia para estos datos, con
una de 0.30, de 0.30, un pronstico de tendencias inicial (T1) de 1 y un pronstico
uniforme exponencial inicial de 30.
c) Calcule la desviacin absoluta media (MAD) de cada pronstico. Cul es el mejor?
MESES
PRONOSTICO
REAL
DESVIACION
RSFE
DESVIACION
ABSOLUTA
1
2
3
4
5
6
7
8
140
140
140
140
140
150
150
150
137
133
150
160
180
170
185
205
-3
-7
10
20
40
20
35
55
-3
-10
0
20
60
80
115
170
3
7
10
20
40
20
35
55
SUMA DE LAS
DESVIACIONES
ABSOLUTAS
3
10
20
40
80
100
135
190
MAD
TS
3.00
5.00
6.67
10.00
16.00
16.67
19.29
23.75
-1.00
-2.00
0.00
2.00
3.75
4.80
5.96
7.16
Solucin:
SEMANAS
1
2
3
4
5
6
7
8
9
10
11
12
13
DEMANDA
REAL
(UNIDADES)
169
227
176
171
163
157
213
175
178
158
188
169
166
=0.25
170.76
175.07
173.55
SEMANA 12
SEMANA 13
16) En los problemas 8 y 15, Cul sera el mtodo de pronstico preferido: el mtodo de
promedios mviles con cantidad de perodos promediados = 3, o el mtodo de suavizacin
exponencial, con = 0.25? El criterio para elegir entre los mtodos es la desviacin media
absoluta a lo largo de las nueve semanas ms recientes. Suponga que el pronstico de
suavizacin exponencial para la semana 3 es la misma de la demanda real.
Solucin:
PRONSTICO DE PROMEDIO MVIL
SEMANA
1
2
3
4
5
6
7
8
9
10
11
12
3 SEMANAS
DESVIACIN 3 SEMANAS
190.6667
191.3333
170.0000
163.6667
177.6667
181.6667
188.6667
170.3333
174.6667
DESVIACIN ABS. TOTAL
MAD
19.6667
28.3333
13.0000
49.3333
2.6667
3.6667
30.6667
17.6667
5.6667
170.6667
18.9630
SEMANA
1
2
3
4
5
6
7
8
9
10
11
12
SEMANA
4
5
6
7
8
9
10
11
12
DEMANDA REAL
(UNIDADES)
171
163
157
213
175
178
158
188
169
PRONSTICO()
0.25
169.000
169.000
183.500
181.625
178.969
174.977
170.482
181.112
179.584
179.188
173.891
177.418
DESVIACIN ABS. TOTAL
MAD
PRONSTICO()
0.25
171.000
171.000
169.000
166.000
177.750
177.063
177.297
172.473
176.354
DESVIACIN TOT. ABS
MAD
MAD
= 0,25
0.000
58.000
7.500
10.625
15.969
17.977
42.518
6.112
1.584
21.188
14.109
8.418
203.999
17.000
MAD
= 0,25
0.000
8.000
12.000
47.000
2.750
0.938
19.297
15.527
7.354
112.866
12.541
185.000
180.000
175.000
Series1
170.000
165.000
0
10
15
17) Utilizando los datos del problema dos, determonar si para desarrollar pronosticos de
suavizamiento exponenial deberia utilizarse una constante de suavizamiento exponencial =
0.1, = 0.5, = 0.9 de forma que MAD quede minimizado a lo largo de ocho periodos. Suponga
que el periodo del primer periodo es de 565. Por que se habria previsto que este valor de
tendria la mejor presicion del pronstico.
Solucin:
AO
1
2
3
4
5
6
7
8
NACIMIENTOS
565
590
583
597
615
611
610
623
PRONOSTICO
MAD
= 0.1
= 0.5
= 0.9
= 0.1
= 0.5
= 0.9
565
565
565
0
0
0
565
565
565
25
25
25
567,5
565
565
15,5
18
18
569,05
566,25
565
27,95
30,75
32
571,845
567,65
565,625
43,155
47,35
49,375
576,1605
569,7475
566,6375
34,8395
41,2525
44,3625
579,64445
572,954
568,1925
30,35555
37,046
41,8075
582,680005 576,299225 570,57325 40,319995 46,700775
52,42675
MAD
217,120045 246,099275 262,97175
MAD
27,1400056 30,7624094 32,8714688
AO
1
2
3
4
5
6
7
8
9
NACIMIENTO
565
590
583
597
615
611
610
623
Tt =0,30
Ft =0,40
FITt
7,00
18,16
24,84
25,38
22,54
19,70
497,00
541,20
581,62
608,27
624,19
637,24
504,00
559,36
606,45
633,65
646,74
656,94
19) Utilice los datos del problema 3 para desarrollar un pronstico para el ao 7 utilizando el
modelo de suavizacin exponencial con tendencia. Indique su anlisis en el ao 1 y suponga
que =0.3 y =0.2. Estime FT1 y T1 como en el ejemplo 3.7.
AO
t
1
2
3
4
5
6
INGR.
VENTAS
(MILLONES)
At
2,4
5,9
15,5
27,8
35,9
38,1
AO
t
INGR.
VENTAS
(MILLONES)
At
2,4
Tt-1
FTt
2.4
9.6
15.7
22.6
31.1
39.8
+
+
+
+
+
+
+
(At
0.3(2.4
0.3(5.9
0.3(15.5
0.3(27.8
0.3(35.9
0.3(38.1
(FTt
FTt1)
FTt)
2.4)
9.6)
15.7)
22.6)
31.1)
39.8)
=
=
=
=
=
=
=
St
2.4
8.49
15.6
24.2
32.5
39.3
Tt1)
Tt
7.2
2
3
4
5
6
5,9
15,5
27,8
35,9
38,1
7.2
7.2
6.98
6.9
7.22
+
+
+
+
+
AO
t
1
2
3
4
5
6
6
INGR.
VENTAS
(MILLONES)
At
2,4
5,9
15,5
27,8
35,9
38,1
-
0.2(9.6)
0.2(15.7)
0.2(22.6)
0.2(31.1)
0.2(39.8)
- 2.4 - 7.2
- 9.6 - 7.2
- 15.7 - 6.98
- 22.6 - 6.9
- 31.1 - 7.22
St-1
Tt-1
2.4
8.49
15.6
24.2
32.5
39.3
+
+
+
+
+
+
7.2
7.2
6.98
6.9
7.22
8.7
=
=
=
=
=
=
=
=
= 7.2
= 6.98
= 6.9
= 7.22
= 8.7
FTt
2.4
9.6
15.7
22.6
31.1
39.8
48
20) General Computer Services (GCS) suministra en la regin de Seattle, Washington, servicios
de cmputo a pequeos fabricantes, bajo pedido. Los trabajos generalmente incluyen
procesamientos rutinarios de datos y de cmputo para aumentar el aprovechamiento de las
computadoras en las instalaciones de los clientes. Un analista de produccin de GCS ha
desarrollado una ecuacin de regresin lineal que estima el nmero de horas de facturacin
de una orden de servicio:
Dnde:
Cantidad de horas de facturacin por orden de servicio
Cantidad de rdenes en el pasado del cliente durante los ltimos cinco aos
Numero de la semana en el mes cuando se recibi la orden (1, 2, 3, 4)
Inverso del nmero de empleados de servicio de computacin en las instalaciones del
cliente
0.89
a. Estime la cantidad de horas de facturacin requeridas en la siguiente orden, donde
,
2, y
.
b. Cul es el significado de
?
Solucin:
a)
b)
El coeficiente de determinacin
suficiente o se deben buscar modelos alternativos, en este caso el valor de 0.89 expresa que el
89% de la variacin total de la variable dependiente y queda explicada por x o por la lnea de
tendencia.
21) Haga un anlisis de regresin sobre la demanda sin factores estacionales para
pronosticar la demanda en el verano de 2008, dados los siguientes datos histricos de
la demanda.
Estacin
Demanda Real
x2
X*Y
Y2
205
205
42025
140
280
19600
375
1125
140625
575
16
2300
330625
475
25
2375
225625
275
36
1650
75625
685
49
4795
469225
965
64
7720
931225
36
3695
204
20450
2234575
a=
a=
=
a=52.32
b=
b=
=
b=91.01
22) La Burling Company ha observado que sus ventas mensuales parecen estar relacionadas
con el nmero de vendedores que contrata, con la cantidad gastada por publicidad y con el
precio de su producto. Ha desarrollado un modelo de pronsticos de ventas de regresin
mltiple.
Dnde:
cantidad de unidades vendidas en un mes
= cantidad de vendedores contratados
Para el siguiente mes luego de obtener un pronstico de regresin lineal mltiple se obtiene un
valor de 13352.748 unidades vendidas
b)
Mientras exista una mayor cantidad de vendedores a la ves tambin se desembolsar mayor
cantidad de dlares en publicidad para lo cual mediante el pronstico se quiere establecer que
exista una disminucin en el precio cargado por cada unidad la misma que permite una menor
dificultad en el instante de pronosticar y obtener una mayor ganancia en la cantidad de
unidades que se venden al mes.
23) De los datos del problema 2:
a. Calcule el error estndar del pronstico.
b. Determine los lmites de confianza superior e inferior que se pueden estimar para el
pronstico del ao 11 si se utiliza un nivel de significancia de 0.01.
Datos:
x
x^2
xy
y^2
1
2
3
4
5
6
7
8
36
565
590
583
597
615
611
610
623
4794
1
4
9
16
25
36
49
64
204
565
1180
1749
2388
3075
3666
4270
4984
21877
a= 566,68
b=7,24
Para el ao 11
y=566,68+7,24(11)
y= 646,32
Solucin:
a)
Syx=
Syx=
Syx= 1830,636
b)
Lmite superior
Ls= YL1 + t Syx
Ls= 646,32 + (0.01) 1830,636
319225
348100
339889
356409
378225
373321
372100
388129
22982436
Ls= 664,626
Lmite inferior
Li= YL1 +-t Syx
Li= 646,32 - (0.01) 1830,636
Li=628,013
24) De los datos del problema 3. Cul es el rango del pronstico para el ao siguiente si solo
utiliza un intervalo de confianza del 95%?
Integrated Products Coporation (IPC) necesita estimar sus ventas del prximo ao. La
siguiente tabla contiene los ingresos de la lnea de computadoras XT de la empresa de los
ltimos seis aos.
Ao
1
2
3
4
5
6
a. Suponiendo que los datos de ventas arriba citados sean representativos de las ventas
que se esperan el ao siguiente, utilice un anlisis de regresin de serie tiempo para
pronosticar los ingresos por ventas de ese ao (ao 7)
x
y
xy
1
2
3
4
5
2,4
5,9
15,5
27,8
35,9
2,4
11,8
46,5
111,2
179,5
1
4
9
16
25
5,76
34,81
240,25
772,84
1288,81
6
21
38,1
125,6
228,6
580
36
91
1451,61
3794,08
Los aos con los ingresos son directamente proporcionales, es decir conforme aumentan los
aos, los ingresos tambin lo hacen
c. Determine el coeficiente de determinacin de los datos e interprete su significado
Df= 6-2=4
Ao
1
2
3
4
5
2.4
5.9
1505
27.8
35.9
38.1
19.4
Ao
(x)
1
2
3
4
5
6
SUMA
=
1
2
3
4
5
6
21,00
Ingresos por
ventas de PC
XT (millones de
dlares) (y)
Ingresos por
ventas de PC
en toda la
Industria
(miles de
millones de
dlares)
2,40
5,90
15,50
27,80
35,90
38,10
125,60
4,60
8,60
10,70
14,80
18,50
19,40
76,60
x^2
y^2
x*y
1,00
5,76
4,00
34,81
9,00 240,25
16,00 772,84
25,00 1288,81
36,00 1451,61
91,00 3794,08
2,40
11,80
46,50
111,20
179,50
228,60
580,00
20,93
a=
Y = -7,12 -8,02x
X media
3,50
X media^2
12,25
b=
n
7
8
9
10
8,02
Ao
Y7 =
Y8 =
Y9 =
Y10 =
-7,15
Pronstico
49,01
57,04
65,06
73,08
Ao (x)
Ingresos por
ventas de PC
en toda la
Industria
(miles de
millones de
dlares)
1
2
3
4
5
6
1
2
3
4
5
6
4,60
8,60
10,70
14,80
18,50
19,40
FITt-1
=
=
Ft =
Tt-1 =
19,40
0,01
49,01
6
n
7
Ao
Y7 =
Tt =
6,2961
Pronstico
49,01
26) Haga un anlisis de regresin sobre la demanda sin factores estacionales para
pronosticar la demanda en el verano de 2008, dados los siguientes datos histricos de
la demanda.
Estacin
Demanda Real
x2
X*Y
Y2
205
205
42025
140
280
19600
375
1125
140625
575
16
2300
330625
475
25
2375
225625
275
36
1650
75625
685
49
4795
469225
965
64
7720
931225
36
3695
204
20450
2234575
a=
a=
=
a=52.32
b=
b=
=
b=91.01
ao
trimestre
1
1
1
1
ventas(millones
de dlares)
1
2
3
4
ao
9,2
5,4
4,3
14,1
trimestre
ventas(millones de
dlares)
1
2
3
4
10,3
6,4
5,4
16
2
2
2
2
trimestres
ao
1
2
1
9,2
10,3
19,5
9,75
promedio
2
5,4
6,4
11,8
5,9
3
4,3
5,4
9,7
4,85
4
14,1
16
30,1
15,05
33
38,1
71,1
35,55
ndice
1,09704641 0,66385373 0,54571027 1,69338959
estacionario
Nuevo=demanda real/ndice
datos destacionalizados
ao
1
2
1
8,38615385
9,38884615
2
8,13432203
9,64067797
3
7,87963918
9,89536082
4
8,32649502
9,44850498
regresin lineal
trimestre "X"
1
2
ventas "Y"
8,38615385
8,13432203
x
1
4
xy
8,38615385
16,2686441
y
70,3275763
66,167195
3
4
5
6
7
8
36
7,87963918
8,32649502
9,38884615
9,64067797
9,89536082
9,44850498
71,1
9
16
25
36
49
64
204
23,6389175
33,3059801
46,9442308
57,8440678
69,2675258
75,5880399
2559,6
62,0887135
69,3305193
88,1504321
92,9426716
97,9181659
89,2742464
636,19952
12
y = 0.2689x + 7.6775
R = 0.7065
10
8
Series1
Lineal (Series1)
4
2
0
0
10
Y=ax+b
a
0,2689
b=
7,6775
Y= 0,2689x+7,6775
pronstico
trimestre "X"
9
a
o
1
ndice
ventas "Y"
8,38615385
estacional
10,0976
1,0970464
1
pronstico estacionalizado
estacionalizad
o
11,0775359
10
8,13432203
10,3665
11
7,87963918
10,6354
12
8,32649502
10,9043
13
9,38884615
11,1732
14
9,64067797
11,4421
15
9,89536082
11,711
16
9,44850498
11,9799
0,6638537
3
0,5457102
7
1,6933895
9
1,0970464
1
0,6638537
3
0,5457102
7
1,6933895
9
6,88183966
5,80384698
18,4652281
12,257519
7,59588073
6,39081294
20,286638
y
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
9,2
5,4
4,3
14,1
10,3
6,4
5,4
16
11,0775359
6,88183966
5,80384698
18,4652281
12,257519
7,59588073
6,39081294
20,286638
28.-) Un distribuidor de tractores ha estado operando durante tres aos y medio y necesita
estimar las ventas del ao que vine. Las ventas de los aos pasados han tendido a ser
estacionales como se observa a continuacin.
Ao
1
2
3
4
5
Q1
Q2
Q3
49
55
60
63
72
88
93
114
135
149
Q4
32
41
44
49
1
2
3
4
5
Totales
Promedio Trimestral
Indice de
Estracionalidad
Ao
Periodos
Ao 1
Ao 1
Ao 1
Ao 1
Ao 2
Ao 2
Ao 2
227
45,4
0,87
253
50,4
0,97
398
79,6
1,52
Total anual
32
276
322
351
63
1044
52,2
166
33,2
0,64
Q2
Q3
Q4
50
2
3
4
5
56,32
74,23
75,00
64,06
63,22
90,72
81,82
68,75
68,97
95,88
98,03
76,56
72,41
x
1
2
3
4
5
6
7
y
0
0
0
50
56,32
74,23
75
y^2
0
0
0
2500
3171,9424
5510,0929
5625
x^2
1
4
9
16
25
36
49
xy
0
0
0
200
281,6
445,38
525
Ao 2
Ao 3
Ao 3
Ao 3
Ao 3
Ao 4
Ao 4
Ao 4
Ao 4
Ao 5
Ao 5
Ao 5
Ao 5
Totales
8
9
10
11
12
13
14
15
16
17
18
19
20
210
64,06
63,22
90,72
81,82
68,75
68,97
95,88
98,03
76,56
72,41
0
0
0
1035,97
4103,6836
3996,7684
8230,1184
6694,5124
4726,5625
4756,8609
9192,9744
9609,8809
5861,4336
5243,2081
0
0
0
79223,0385
64
81
100
121
144
169
196
225
256
289
324
361
400
2870
512,48
568,98
907,2
900,02
825
896,61
1342,32
1470,45
1224,96
1230,97
0
0
0
11330,97
Trimestres
IE
Q1
Q2
Q3
Q4
0,87
0,97
1,52
0,64
Pronsticos
Descentralizados
58,962
59,644
60,325
61,01
Pronsticos
Estacionalizados
51,3
57,86
91,69
39,05
29) A continuacin se encuentran los ingresos por ventas de una compaa de servicios
pblicos grande de 1997 a 2007. Pronostique los ingresos de 2008 a 2011. Use su buen juicio,
intuicin o sentido comn en cuanto a qu modelo o mtodo usar, as como el periodo de
datos que incluir.
AOS (X)
SUMA
1
2
3
4
5
6
7
8
9
10
11
66
INGRESOS
(Y)
4865,9
5067,4
5515,6
5728,8
5497,7
5197,7
5094,4
5108,8
5550,6
5738,9
5860
59225,8
X*Y
X^2
Y^2
4865,9
10134,8
16546,8
22915,2
27488,5
31186,2
35660,8
40870,4
49955,4
57389
64460
361473
1
4
9
16
25
36
49
64
81
100
121
506
23676982,81
25678542,76
30421843,36
32819149,44
30224705,29
27016085,29
25952911,36
26099837,44
30809160,36
32934973,21
34339600
319973791,3
= 506
59225,
(506 )
66 361
66
Y= bx + a
Y= 55.62x + 5050,44
361
3
(506 )
Periodo
12
13
14
15
66 59225,
66
a=
5050,44
b=
55,62
Periodo 12
Y= 55.62x + 5050.44
Y= 55.62(12) + 5050.44
Y=5717.88
Periodo 13
Y= 55.62x + 5050.44
Y= 55.62(13) + 5050.44
Y=5773.5
Pronostico
5717,88
5773,5
5829,12
5884,74
Periodo 14
Y= 55.62x + 5050.44
Y= 55.62(14) + 5050.44
Y=5829.12
Periodo 15
Y= 55.62x + 5050.44
Y= 55.62(15) + 5050.44
Trimestre
Auditores
132
139
136
140
134
142
140
139
135
137
139
141
Trimestre
Auditores
132
139
3
4
136
140
1
2
3
134
142
140
4
1
2
139
135
137
3
4
1
139
141
Trimestres
Auditores
132
139
136
140
134
142
140
139
135
10
137
11
139
12
141
Auditores
132
139
136
140
134
142
140
139
135
10
137
11
139
12
141
b)
Si porque se necesitan alrededor de 138 auditores cada primer trimestre del ao, adems el
nmero no vara significativamente durante el resto del ao.
c)
Ao
Q1
Q2
Q3
Q4
total
132
139
136
140
547
134
142
140
139
555
135
137
139
141
552
Total
401
418
415
420
1654
140
137,833333
Promedio
trimestral
ndice estacional
0,96977025 1,010882709
1,00362757
promedio
mvil 4
133,828295
Promedio
mvil 8
134,1919589
1,01571947
Demanda
(Unidades)
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
4 200
4 300
4 000
4 400
5 000
4 700
5 300
4 900
5 400
5 700
6 300
6 000
a) Con un anlisis de regresin por mnimos cuadrados, cul estimara que fuera la
demanda de cada mes del ao entrante? Con una hoja de clculo, siga el formato
general de la ilustracin 15.11. Compare sus resultados con los obtenidos usando la
funcin pronstico de la hoja de clculo.
xy
1
2
3
4
5
4200
4300
4000
4400
5000
4200
8600
12000
17600
25000
y
1
4
9
16
25
17640000
18490000
16000000
19360000
25000000
3958,97436
4151,28205
4343,58974
4535,89744
4728,20513
6
7
8
9
10
11
12
78
4700
5300
4900
5400
5700
6300
6000
60200
28200
37100
39200
48600
57000
69300
72000
418800
36
49
64
81
100
121
144
650
Mes
Pronstico
13
14
15
16
17
18
19
20
21
22
23
24
6266,658
6458,965
6651,272
6843,579
7035,886
7228,193
7420,5
7612,807
7805,114
7997,421
8189,728
8382,035
22090000
28090000
24010000
29160000
32490000
39690000
36000000
308020000
4920,51282
5112,82051
5305,12821
5497,4359
5689,74359
5882,05128
6074,35897
b) Para tener alguna seguridad de cubrir la demanda, Nina decide usar tres errores
estndar por seguridad. Cuntas unidades adicionales debe retener para alcanzar
este nivel de confianza?
a) Usando un promedio mvil ponderado con pesos de 0.60, 0.30 y 0.10, calcule el pronstico de
julio.
c) Mediante suavizacin exponencial simple con 0.2 y un pronstico para junio de 13, calcule el
pronstico de julio. Haga todas las suposiciones que quiera.
MES
DEMANDA
ENERO
FEBRERO
MARZO
ABRIL
MAYO
JUNIO
JULIO
=0,2
12
11
15
12
16
15
13
13,4
d) Con un anlisis de regresin lineal simple, calcule la ecuacin de relacin de los datos precedentes
de la demanda.
MES
DEMANDA
1
2
3
4
5
6
21
12
11
15
12
16
15
81
X^2
1
4
9
16
25
36
91
XY
12
22
45
48
80
90
297
Y^2
144
121
225
144
256
225
1115
18
16
14
12
10
8
6
4
2
0
y = 0.7714x + 10.8
Series1
Lineal (Series1)
e) Con la ecuacin de regresin del punto d), calcule el pronstico para julio.
3) El gerente del Holiday Lodge del problema 9 se pregunta si los datos del pasado ms
reciente tiene mayor importancia que los ms antiguos. Suponga que la cantidad de llamadas
para mantenimiento del mes 25 se pondera 0.5 y los pesos de los meses anteriores se reducen
de manera secuencial por un factor de 0.5 (es decir, 0.5 , 0.25, 0.125,etctera).
a) Desarrolle los pesos o coeficiente de ponderacin utilizarse en el pronstico de
promedios mviles ponderados.
b) Utilice los pesos del inciso a para pronosticar la cantidad de llamadas para
mantenimiento para el mes de 25 de los datos del problema 9 si la cantidad de periodos
promediados =10.
Solucin:
a)
LLAMADAS POR
MANTENIMIENTO
MES 2
MES 4
MES 6
MES 8
15
16
17
18
19
20
21
22
23
24
19
9
12
14
16
12
13
9
14
15
0.5
0.25
0.125
0.0625
b)
PRONSTICOS
MES 2
MES
15
16
17
18
19
20
21
22
23
24
25
LLAMADAS POR
MANTENIMIENTO
19
9
12
14
16
12
13
9
14
15
0.5
19
19
14
13
13.5
14.8
13.4
13.2
11.1
12.5
13.8
MES 4
MES 6
MES 8
PESOS PARA CADA MES
0.25
19
19
16.5
13.5
13.3
14.1
14.1
13.3
12.1
11.8
13.2
0.125
0.0625
19
19
19
19
17.75
9.63
13.75
12.13
13.13
13.94
13.81
15.84
14.41
12.17
13.33
13.02
12.66
9.26
11.46
13.82
12.85
14.85
sumatoria MAD
MAD
MES 2
MES 4
MES 6
MES 8
PESOS PARA CADA MES
0.5
0
10
2
1
2.5
2.8
0.4
4.2
2.9
2.5
0.25
0
10
4.5
0.5
2.8
2.1
1.1
4.3
1.9
3.2
0.125
0
10
5.8
0.3
2.9
1.8
1.4
4.3
1.3
3.5
0.0625
0
10
2.4
1.9
2.1
3.8
0.8
4.0
4.7
1.2
28.2
30.3
31.3
30.9
4) Zeus Computer Chip. Inc., tena contratos importantes para producir microprocesadores
tipo Pentium. El mercado ha ido a la baja en los ltimos 3 aos por los chips dual-core, que
Zeus no produce, asi que tiene la penosa tarea de pronosticar el ao entrante. La tarea es
penosa porque la empresa no ha podido encontrar chips sustitutos para sus lneas de
productos. Aqu est la demanda de los ltimos 12 trimestres:
2005
I
II
III
IV
2006
I
II
III
IV
4800
3500
4300
3000
3500
2700
3500
2400
2007
I
II
III
IV
3200
2100
2700
1700
Ao
Q1
Q2
Q3
Q4
2005
4800
3500
4300
3000
15600
2006
3500
2700
3500
2400
12100
2007
3200
2100
2700
1700
9700
Totales
11500
8300
10500
7100
37400
XQ1
PROMEDIO
3833.3
XQ2
PROMEDIO
2766.7
XQ3
PROMEDIO
3500.0
XQ4
PROMEDIO
2366.7
INDICE ESTACIONAL
Q1
Q2
Q3
Q4
1.2299
0.8877
1.1230
0.7594
Desestacionalizacion de los datos dividiendo el valor de cada periodo para el ndice estacional
Ao
Q1
Q2
Q3
Q4
2005
3902.6087
3942.7711
3829.0476
3950.7042
2006
2845.6522
3041.5663
3116.6667
3160.5634
2007
2601.7391
2365.6627
2404.2857
2238.7324
TRIMESTRE
Q1
3903
15230355
3903
Q2
3943
15545444
7886
Q3
3829
14661606
11487
Q4
3951
16
15608064
15803
Q1
2846
25
8097736
14228
Q2
3042
36
9251125
18249
Q3
3117
49
9713611
21817
Q4
3161
64
9989161
25285
10
Q1
2602
81
6769047
23416
10
Q2
10
2366
100
5596360
23657
10
Q3
11
2404
121
5780590
26447
10
Q4
12
2239
144
5011923
26865
78
37400
650
121255020
219041
SUMATORIA
Pronstico
x
13
14
15
16
2023.13062
1854.89062
1686.65062
1518.41062
Indice
estacional
1.2299
0.8877
1.123
0.7594
y*Indice
estacional
2488.24835
1646.5864
1894.10865
1153.08102
5) Los datos de ventas de 2 aos son los siguientes. Los datos estn acumulados con dos
meses de ventas en cada perodo.
a) Trace la grfica.
b) Componga un modelo de regresin lineal simple para los datos de ventas
c) Adems del modelo de regresin, determine los factores multiplicadores del ndice
estacional. Se supone que un ciclo completo es de 1 ao.
d) Con los resultados de los incisos b) y c), prepare un pronstico para el ao entrante
a)
Ventas 2
Ventas 1
180
200
170
160
140
160
120
159
140
120
109
100
182
180
150
104
100
80
120
126
115 112
100
106
80
60
60
40
40
20
20
0
1
b)
x
x*x
x*y
y*y
109
109
11881
104
208
10816
150
450
22500
170
16
680
28900
Sumatoria
120
25
600
14400
100
36
600
10000
115
49
805
13225
112
64
896
12544
159
81
1431
25281
10
182
100
1820
33124
11
126
121
1386
15876
12
106
144
1272
11236
78
1553
650
10257
209783
a=
a=
=
a=122.0303
b=
b=
=
b=1.1364
c)
[
][
][
d)
PRONOSTICO
Ventas
Enero -feb
123.1703
Marzo- abril
124.3103
Mayo-junio
Julio-agosto
Sept- octub
nov-diciem
125.4503
126.5903
127.7303
128.8703
N
1
2
3
4
5
6
7
8
9
10
TS1
-2,7
-2,32
-1,7
-1,1
-0,87
-0,05
0,1
0,4
1,5
2,2
de tres
3
10, 2.2
seal de seguimiento
2
1
0
0
10
12
Series1
-1
-2
-3
Periodo
seal de seguimiento
4
3
10, 2.74
Series1
0
0
10
-1
-2
Periodo
15
TS3
0,1
0,43
1,08
1,74
1,94
2,24
2,96
3,02
3,54
3,75
Seal de Seguimiento
10, 3.75
3.5
3
2.5
2
1.5
Series1
1
0.5
0
0
10
12
Periodo
Estacin 1
Estacin 2
Estacin 3
Estacin 4
Promedio ventas
pasadas
187,5
217,5
177,5
165
Ventas promedio
186,875
186,875
186,875
186,875
Factor
estacional Fe
1,0033
1,1639
0,9498
0,8829
Factor estacional
Demanda no estacional yd
160
195
150
140
215
240
205
190
1,0033
1,1639
0,9498
0,8829
1,0033
1,1639
0,9498
0,8829
159,473737
167,540167
157,927985
158,568354
214,292834
206,203282
215,834913
215,199909
Trimestre
(x)
1
2
yd
x2
X*yd
159,473737
167,540167
1
4
159,473737
335,080334
3
4
5
6
7
8
36
157,927985 9
158,568354 16
214,292834 25
206,203282 36
215,834913 49
215,199909 64
1495,04118 204
473,783955
634,273416
1071,46417
1237,21969
1510,84439
1721,59927
7143,73897
250
200
150
y = 9.906x + 142.3
100
50
0
0
Ecuacin general:
Intercepto en el eje Y
10
Trimestre 2:
Trimestre 3:
Trimestre 4:
y
12
x^2
1
xy
12
18
36
26
78
16
16
64
16
25
80
24
36
144
28
49
196
8
36
18
158
64
204
144
754
Ventas
Pasadas
12
18
26
16
16
24
28
18
Ventas
promedio para
cada triemestre
(158/8)
19,75
19,75
Factores
Estacionales
Factor estacional
promedio
12/19,75 = 0,61
0,71
1,063
18/19,75 = 0,911
19,75
26/19,75 = 1,316
1,367
19,75
16/19,75 = 0,81
1,721
19,75
16/19,75 = 0,81
19,75
24/19,75 = 1,215
19,75
28/19,75 = 1,418
19,75
18/19,75 = 0,911
Con un promedio mvil de tres semanas, cul sera su pronstico para la semana
entrante?
F1
F2
F3
F4
F5
SEMANAS
1
2
3
4
5
ARTICULOS
300
400
600
700
567
F1
F2
F3
F4
SEMANAS
1
2
3
4
ARTICULOS PRONOSTICO
300
400
600
350
700
400
F5
567
460
F4 = F3 + ( (A3 F3) )
F4= 350 +(0 .20*(600 350) )
F4= 400
F5 = F4 + ((A4 F4) )
F5 = 400 + (0.20*(700 400))
F5 = 460
10) Dada la siguiente historia, aplique un pronstico enfocado al tercer trimestre de este ao.
Use tres estrategias de pronstico enfocado.
Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
Ao
pasado
Este
ao
100
125
135
175
185
200
125
135
135
190
200
190
150
140
130
200
225
250
Se trata de reglas simples y de sentido comn que se formulan y prueban para ver si deben
conservarse. Entre los ejemplos de reglas simples de pronstico se encuentran:
1. Lo que se haya vendido en los tres ltimos meses ser probablemente lo que se venda en los
tres meses siguientes.
2. Lo que se vendi en el mismo trimestre del ao pasado se vender probablemente en ese
periodo de este ao (esto dara cuenta de los efectos estacionales).
3. Es probable que se venda 10 por ciento ms en los siguientes tres meses que en los tres
meses anteriores.
4. Es probable que se venda 50 por ciento ms en los tres meses siguientes que en los mismos
tres meses del ao anterior.
5. Cualquiera que haya sido el cambio porcentual de los ltimos tres meses de este ao en
comparacin con los mismos tres meses del ao pasado, ser probablemente el mismo cambio
porcentual que se tendr en los siguientes tres meses del ao.
Para solucionarlo usaremos los tres primero pronsticos. Cada estrategia ser utilizada para
predecir el segundo trimestre de este ao, entonces el mejor ser usado para predecir el tercer
trimestre del ao.
Ao pasado
Este ao
I
360
395
Trimestres
II
III
560
420
580
IV
675
Estrategia 1:
Nuestro pronstico para el segundo trimestre sera 395, y el actual fue de 580
Estrategia 2:
Nuestro pronstico para el segundo trimestre sera 560, y el actual fue de 580
Estrategia 3:
Nuestro pronstico sera 1.10*(395) = 424.5, y el actual fue de 580
Por lo tanto el mejor mtodo fue el tercero, as que, segn la estrategia, el pronstico para el
tercer trimestre de este sera el mismo que el anterior, dndonos por resultado 420.
Real
Enero
110
Febrero
130
Marzo
150
Abril
170
Mayo
160
Junio
180
Julio
140
Agosto
130
Septiembre
140
Real
3 Meses
110
130
150
170
160
180
140
130
140
Des. 3 Meses
130
150
160
170
160
150
MAD
40
10
20
30
30
10
140
23.33
b) Mediante suavizacin exponencial simple con una alfa de 0.3, calcule de abril a septiembre.
Pronostico
Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Real
=
110
130
150
170
160
180
140
130
140
MAD
0.3
170
170
167
170.9
161.63
152.141
sumatoria MAD
MAD
0
10
13
30.9
31.63
12.141
97.671
16.27
c) Use la MAD para decidir que mtodo produjo el mejor pronstico en el periodo de seis meses.
12) Se aplic cierto modelo de pronstico para anticipar un periodo de seis meses. Aqu estn
la demanda pronosticada y la real.
Pronostico Real
Abril
250
Mayo
325
Junio
400
Julio
350
Agosto
375
Septiembre
450
200
250
325
300
325
400
Encuentre la seal de seguimiento y diga si cree que el modelo usado da respuestas aceptables.
Solucin:
Demanda Real
Abril
Mayo
Junio
Demanda
Pronosticada
200
250
325
250
325
400
-50
-125
-200
50
75
75
Julio
Agosto
Septiembre
300
325
400
350
375
450
-50
-50
-50
-250
-300
-350
Desviacin Total
50
50
50
350
MAD
Senal
de
seguimiento
58,3333333
-6
No hay suficientes pruebas para rechazar el modelo de pronstico, asi que se aeptan sus
recomendaciones.
13) Harlen Industries tiene un modelo de pronstico simple: se toma la demanda real del
mismo mes del ao anterior y se divide entre el nmero fraccional de semanas de ese mes.
Esto da una demanda semanal promedio para el mes. El promedio de esta semana se usa
como pronstico semanal del mismo mes este ao. La tcnica se us para pronosticar ocho
semanas de este ao, que se muestran a continuacin junto con la demanda real.
Las siguientes ocho semanas muestran el pronstico (basado en el ao pasado) y la demanda
real:
d) Calcule el pronstico con suavizacin exponencial simple de estos datos con una de
0.30 y un pronstico inicial (F1) de 31.
e) Calcule el pronstico de suavizacin exponencial con tendencia para estos datos, con
una de 0.30, de 0.30, un pronstico de tendencias inicial (T1) de 1 y un pronstico
uniforme exponencial inicial de 30.
f)
MESES
PRONOSTICO
REAL
DESVIACION
RSFE
DESVIACION
ABSOLUTA
1
2
3
4
5
6
7
8
140
140
140
140
140
150
150
150
137
133
150
160
180
170
185
205
-3
-7
10
20
40
20
35
55
-3
-10
0
20
60
80
115
170
3
7
10
20
40
20
35
55
SUMA DE LAS
DESVIACIONES
ABSOLUTAS
3
10
20
40
80
100
135
190
MAD
TS
3.00
5.00
6.67
10.00
16.00
16.67
19.29
23.75
-1.00
-2.00
0.00
2.00
3.75
4.80
5.96
7.16
Calcule el pronstico con suavizacin exponencial simple de estos datos con una de
0.30 y un pronstico inicial (F1) de 31.
F1 = 31
F2 = F1 + ( (A1 F1) )
F7 = F6 + ( (A6 F6) )
F7= 34.24+(0 .30*(36 34.24) )
F7= 34.77
F4 = F3 + ( (A3 F3) )
F4= 31.90+(0 .30*(33 31.90) )
F4= 32.23
F5 = F4 + ( (A4 F4) )
F5=32.23+(0 .30*(35 32.23) )
F5= 33.06
F6= 34.24
F10= 37.91
Calcule el pronstico de suavizacin exponencial con tendencia para estos datos, con
una de 0.30, de 0.30, un pronstico de tendencias inicial (T1) de 1 y un pronstico
uniforme exponencial inicial de 30.
MES
DEMANDA REAL
Tt =0,30
Ft =0,30
FITt
F1
F2
F3
F4
F5
F6
F7
F8
F9
F10
1
2
3
4
5
6
7
8
9
10
31
34
33
35
37
36
38
40
40
41
1,00
1,00
1,18
1,11
1,14
1,24
1,11
1,10
1,17
1,11
FIT1= F1+T1
FIT1=30+1
FT3=32+0.30(31-32)
FIT1=31
FT3=32.60
T3=T2+(F3-FIT2)
FT2=31+0.30(31-31)
T3=1+0.30(32.60-32)
FT2=31
T3=1.18
30,00
31,00
32,60
33,55
34,76
36,23
37,03
38,10
39,43
40,42
T2=T1+(F2-FIT1)
T2=1+0.30(31-31)
FIT3= F3+T3
T2=1
FIT3=32.60+1.18
FIT3=33.78
FIT2= F2+T2
FT = FIT3+(A3- FIT3)
FIT2=31+1
FT4=33.78+0.30(31-33.78)
FIT2=32
FT4=33.55
31,00
32,00
33,78
34,66
35,90
37,47
38,14
39,19
40,60
41,54
T =T3+(F -FIT3)
T6=T5+(F6-FIT5)
T4=1.18+0.30(33.55-33.78)
T6=1.14+0.30(36.23-35.90)
T4=1.11
T6=1.24
FIT4= F4+T4
FIT6= F6+T6
FIT4=33.55+1.11
FIT6=36.23+1.24
FIT4=34.66
FIT6=37.47
FT = FIT6+(A6- FIT6)
FT5=34.66+0.30(31-34.66)
FT7=37.47+0.30(31-37.47)
FT5=34.76
FT7=37.03
T5=T +(F5-FIT4)
T =T6+(F -FIT6)
T5=1.11+0.30(34.76-34.66)
T7=1.24+0.30(37.03-37.47)
T5=1.14
T7=1.11
FIT5= F5+T5
FIT7= F7+T7
FIT5=34.76+1.14
FIT7=37.03+1.11
FIT5=35.90
FIT7=38.14
FT6=35.90+0.30(31-35.90)
FT8=38.14+0.30(31-38.14)
FT6=36.23
FT8=38.10
T =T +(F -FIT7)
T10=T9+(F10-FIT9)
T8=1.11+0.30(38.10-38.14)
T10=1.17+0.30(40.42-40.60)
T8=1.10
T10=1.11
FIT8= F8+T8
FIT10= F10+T10
FIT8=38.10+1.10
FIT10=40.42+1.11
FIT8=39.19
FIT10=41.54
FIT9= F9+T9
FIT9=39.43+1.17
FIT9=40.60
FT10= FIT9+(A9- FIT9)
FT10=40.60+0.30(31-40.60)
FT10=40.42
DEMANDA REAL
1
2
3
4
5
6
7
8
9
10
PRONOSTICO
=0,30
31,00
31,00
31,90
32,23
33,06
34,24
34,77
35,74
37,02
37,91
MAD=
31
34
33
35
37
36
38
40
40
41
Desviacion Absoluta
0,00
3,00
1,10
2,77
3,94
1,76
3,23
4,26
2,98
3,09
2,90
MAD=(3.00+1.10+2.77+3.94+1.76+3.23+4.26+2.98+3.09)/9
MES
F1
F2
F3
F4
F5
F6
F7
F8
F9
F10
1
2
3
4
5
6
7
8
9
10
DEMANDA REAL
31
34
33
35
37
36
38
40
40
41
Tt =0,30
1,00
1,00
1,18
1,11
1,14
1,24
1,11
1,10
1,17
1,11
Ft =0,30
30,00
31,00
32,60
33,55
34,76
36,23
37,03
38,10
39,43
40,42
FITt
31,00
32,00
33,78
34,66
35,90
37,47
38,14
39,19
40,60
41,54
MAD=
Desviacion absoluta
0,00
2,00
0,78
0,34
1,10
1,47
0,14
0,81
0,60
0,54
0,86
MAD=2.90
MAD=(2.00+0.78+0.34+1.10+1.47+0.14+0.81+0.60+0.54)/9
MAD=0.86
RESPUESTA: De acuerdo al MAD de los pronsticos el exponencial simple con tendencia
es el mejor modelo de pronstico.
15) Harlen Industries tiene un modelo de pronstico simple: se toma la demanda real del
mismo mes del ao anterior y se divide entre el nmero fraccional de semanas de ese mes.
Esto da una demanda semanal promedio para el mes. El promedio de esta semana se usa
como pronstico semanal del mismo mes este ao. La tcnica se us para pronosticar ocho
semanas de este ao, que se muestran a continuacin junto con la demanda real.
Las siguientes ocho semanas muestran el pronstico (basado en el ao pasado) y la demanda
real:
a)Calcule el pronstico con suavizacin exponencial simple de estos datos con una de 0.30 y
un pronstico inicial (F1) de 31.
b)Calcule el pronstico de suavizacin exponencial con tendencia para estos datos, con una de
0.30, de 0.30, un pronstico de tendencias inicial (T1) de 1 y un pronstico uniforme
exponencial inicial de 30.
MESES
PRONOSTICO
REAL
DESVIACION
RSFE
DESVIACION
ABSOLUTA
1
2
3
4
5
6
7
8
140
140
140
140
140
150
150
150
137
133
150
160
180
170
185
205
-3
-7
10
20
40
20
35
55
-3
-10
0
20
60
80
115
170
3
7
10
20
40
20
35
55
SUMA DE LAS
DESVIACIONES
ABSOLUTAS
3
10
20
40
80
100
135
190
MAD
TS
3.00
5.00
6.67
10.00
16.00
16.67
19.29
23.75
-1.00
-2.00
0.00
2.00
3.75
4.80
5.96
7.16
c)La seal de seguimiento es demasiado grande, por lo que el pronstico se debe considerar
pobres.
16) La planea de IPC estima la
inventario. Est estudiando uno de estos componentes, el CTR 5922. Las 12 semanas ms
recientes de demanda para el CTR 5922 son:
SEMANA
169
171
213
10
158
227
163
175
11
188
176
157
178
12
169
Utilice el mtodo de promedios mviles para pronsticos a corto plazo, con un promedio de tres
semanas, para desarrollar para la semana 13 un pronstico de la demanda para el componente
CRT 5922.
Solucin:
SEMANAS
1
2
3
4
5
6
7
8
9
10
11
12
13
DEMANDA REAL
(UNIDADES)
169
227
176
171
163
157
213
175
178
158
188
169
166
3 SEMANA
DESVIACION 3
SEMANA
171.667
2.667
a)
b)
MES
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
DEMANDA
60
55
75
60
80
75
=0.2
65
67
c)
MES
DEMANDA X^2
1
2
3
4
5
6
21
X*Y
60
55
75
60
80
75
405
1
4
9
16
25
36
91
Y^2
60
110
225
240
400
450
1485
3600
3025
5625
3600
6400
5625
27875
100
y = 3.8571x + 54
50
0
0
d)
Pronostico para Octubre x=7
81.02
18) Las ventas por trimestre del ltimo ao y los tres primeros trimestres de este ao son
como sigue:
ESTRATEGIA A:
23000
1900
II
27000
24000
III
18000
15000
IV
9000
Actual =15000
18000/15000=1.2*100%=120%
ESTRATEGIA C:
10% del trimestre anterior=
1.10(24000)= 26400
Trimestre actual=15000
26400/15000= 1.76*100% = 176%
ESTRATEGIA D:
50% del trimestre III del ao anterior=
1.50*(18000)= 27000
Trimestre III del ao actual= 15000
Respuesta:
La mejor estrategia es la E y lo aplicamos para el cuarto trimestre de este ao
(15000/18000)9000= 7500
Real
1500
1550
1400
1500
1700
1600
1750
1800
1650
1700
n
1
2
3
4
5
(At - Ft)
50
100
100
100
100
450
90
n
1
2
3
4
5
MAD =
RSFE =
(At - Ft)
50
100
100
100
100
450
Ts = (At - Ft)/MAD
0,5556
1,1111
1,1111
1,1111
1,1111
5,0000
90
10,0000
b) Comentario
Se puede decir que el mtodo de pronstico de es aceptable ya que la suma se sus errores
pronosticados no son muy elevados.
20) Su gerente trata de determinar que mtodo de pronostico usar. Basndose en los
siguientes datos histricos, calcule los siguientes pronsticos y especifique que procedimiento
utilizara?
MES
DEMANDA REAL
MES
DEMANDA REAL
1
2
3
4
5
6
62
65
67
68
71
73
7
8
9
10
11
12
76
78
78
80
84
85
DEMANDA REAL
62
65
67
68
71
73
76
78
78
80
84
85
3 MESES
MES
DEMANDA REAL
62
65
67
68
71
73
76
78
78
80
84
85
3 MESES
64.67
66.67
68.67
70.67
73.33
75.67
77.33
78.67
80.67
Desv. Absoluta Total
MAD
Des. Absoluta
3.33
4.33
4.33
5.33
4.67
2.33
2.67
5.33
4.33
36.67
4.07
b)
1
2
3
4
5
6
7
8
9
10
11
12
65.40
67.10
69.30
71.40
74.10
76.40
77.60
79.00
81.60
Desv. Absoluta Total
MAD
Des. Absoluta
2.60
3.90
3.70
4.60
3.90
1.60
2.40
5.00
3.40
31.10
3.46
c)
MES
1
2
3
4
5
6
7
8
9
10
11
12
DEMANDA REAL
62
65
67
68
71
73
76
78
78
80
84
85
= 0.3
61
61.30
62.41
63.79
65.05
66.84
68.68
70.88
73.02
74.51
76.16
78.51
MAD
MAD X
4.21
5.95
6.16
7.32
7.12
4.98
5.49
7.84
6.49
55.57
6.17
d)
= 0.3
MES
1
2
3
4
5
6
7
8
9
10
11
12
DEMANDA REAL
62
65
67
68
71
73
76
78
78
80
84
85
Tt
Ft
1.8
1.82
1.94
2.03
2.00
2.07
2.11
2.22
2.28
2.11
1.99
2.08
S
60
61.86
64.07
66.31
68.23
70.46
72.67
75.14
77.55
79.28
80.98
83.27
Sum MAD
MAD X
61.8
63.68
66.01
68.34
70.23
72.53
74.78
77.36
79.83
81.39
82.97
85.35
e)
Se recomienda utilizar el pronstico de suavizacin exponencial con componente de tendencia
para los periodos debido a que nos brinda el MAD ms pequeo.
=0.3
0.33
0.77
0.47
1.22
0.64
1.83
1.39
1.04
0.35
8.04
0.89
21) Haga un anlisis de regresin sobre la demanda sin factores estacionales para
pronosticar la demanda en el verano de 2008, dados los siguientes datos histricos de
la demanda.
Estacin
Demanda Real
x2
X*Y
Y2
205
205
42025
140
280
19600
375
1125
140625
575
16
2300
330625
475
25
2375
225625
275
36
1650
75625
685
49
4795
469225
965
64
7720
931225
36
3695
204
20450
2234575
a=
a=
=
a=52.32
b=
b=
=
b=91.01
22) Los siguientes son los resultados de los ltimos 21 meses de ventas reales de cierto
producto.
Elabore un pronstico para el cuarto trimestre usando tres reglas de pronstico enfocado
(observe que para aplicar correctamente el procedimiento, las reglas se prueban primero en el
tercer trimestre; la de mejor desempeo se usa para pronosticar el cuarto trimestre). Haga el
problema con trimestres, en lugar de pronosticar meses separados.
SOLUCIN:
Sumamos de tres en tres meses
2006
2007
trimestre
I
1,125
1,000
II
1,310
1,175
III
1,075
975
IV
1,550
Cada estrategia es usada para predecir el tercer trimester de este ao. Luego la mejor
estrategia es usada para predecir el cuarto trimestres de este ao.
ESTRATEGIA A: en el pasado tres meses es cual nosotros podramos decir en los siguientes tres
meses. Te hay nuestro pronstico es 1175. Actualmente fue 975. 1,175/975 = 121%.
ESTRATEGIA B: en el los mismos periodo de tres meses el pasado ao, nosotros podramos
decir que en el periodo de tres meses de este ao. De ah nuestro pronstico es 1,075. Actual fue
975. 1,075/975 = 110%.
ESTRATEGIA C: Nosotros podriamos decir ue el 10% ms en los siguientes tres meses que
nosotros deciamos en elos pasados tres meses . nuestro pronstico es 10(1,175) = 1,292.5.
Actual fue 975. 1,292.5/975 = 133%.
ESTRATEGIA D: Nosotros podriamos decir que hay una probabilidad del 50% mas sobre los
siguientes tres meses que nosotros hicimos por los mismos tres meses del pasado ao. El
pronostico podra ser 1.50(1,075) = 1,612.5. Actual fue 975. 1612.5/975 = 165%.
ESTRATEGIA E: EL PORCENTAJE cambia nossotros tenemos para los pasados meses de este
ao comparando para los mismos tres meses pasados la probabilidad podra ser el mismo
porcentaje cambio que nosotros podrias tener para el siguiente meses de este ao. El pronstico
podria ser (1,175/1,310)1,075 = 964. Actual fue 975. 964/975 = 99%.
Si solo los tres primeros son usados, el mejor mtodo ser el Bel pronstico para el cuarto
trimestre es 1550.
Si todo los cinco mtodos enlistados en el texto son usados, luego el mejor mtodo es el E.
aplicando esto el cuarto trimestre de este ao produce un pronstico de
(975/1,075) 1,550 = 1,406.
y
565
590
583
597
615
611
610
623
4794
x^2
1
4
9
16
25
36
49
64
204
xy
565
1180
1749
2388
3075
3666
4270
4984
21877
y^2
319225
348100
339889
356409
378225
373321
372100
388129
22982436
a= 566,68
b=7,24
Para el ao 11
y=566,68+7,24(11)
y= 646,32
Solucin:
a)
Syx=
Syx=
Syx= 1830,636
b)
Lmite superior
Ls= YL1 + t Syx
Ls= 646,32 + (0.01) 1830,636
Ls= 664,626
Lmite inferior
Li= YL1 +-t Syx
Li= 646,32 - (0.01) 1830,636
Li=628,013
24) Despus de aplicar su modelo de pronstico durante seis meses, decide probarlo con MAD
y una seal de seguimiento. Lo que sigue es el pronstico y la demanda real del periodo de
seis meses:
PRONOSTICO
450
500
550
600
650
700
PERIODO
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
450
500
550
600
650
700
500
550
400
500
675
600
50
50
-150
-100
25
-100
REAL
500
550
400
500
675
600
RSFE
DESVIACION
ABSOLUTA
50
100
-50
-150
-125
-225
50
50
150
100
25
100
SUMA
DE MAD
DESVIACIONE
S ABSOLUTAS
50
100
250
350
375
475
3
2
1
0
-1 0
200
-2
-3
-4
400
600
800
50
50
83,33
87,5
75
79,17
TS
1
2
-0,6
-1,71
-1,67
-2,84
ao
trimestre
1
1
1
1
ventas(millones
de dlares)
1
2
3
4
ao
9,2
5,4
4,3
14,1
trimestre
ventas(millones de
dlares)
1
2
3
4
10,3
6,4
5,4
16
2
2
2
2
trimestres
ao
1
2
promedio
1
9,2
10,3
19,5
9,75
2
5,4
6,4
11,8
5,9
3
4,3
5,4
9,7
4,85
4
14,1
16
30,1
15,05
33
38,1
71,1
35,55
Id= promedio/I
ndice
1,09704641 0,66385373 0,54571027 1,69338959
estacionario
Nuevo=demanda real/ndice
datos destacionalizados
ao
1
2
1
8,38615385
9,38884615
2
8,13432203
9,64067797
3
7,87963918
9,89536082
4
8,32649502
9,44850498
regresin lineal
trimestre "X"
1
2
3
4
5
6
7
8
36
ventas "Y"
8,38615385
8,13432203
7,87963918
8,32649502
9,38884615
9,64067797
9,89536082
9,44850498
71,1
x
1
4
9
16
25
36
49
64
204
xy
8,38615385
16,2686441
23,6389175
33,3059801
46,9442308
57,8440678
69,2675258
75,5880399
2559,6
y
70,3275763
66,167195
62,0887135
69,3305193
88,1504321
92,9426716
97,9181659
89,2742464
636,19952
12
y = 0.2689x + 7.6775
R = 0.7065
10
8
Series1
Lineal (Series1)
4
2
0
0
10
Y=ax+b
a
0,2689
b=
7,6775
Y= 0,2689x+7,6775
pronstico
trimestre "X"
ndice
a
o
1
ventas "Y"
estacional
8,38615385
10,0976
10
8,13432203
10,3665
11
7,87963918
10,6354
12
8,32649502
10,9043
13
9,38884615
11,1732
14
9,64067797
11,4421
15
9,89536082
11,711
16
9,44850498
11,9799
1,0970464
1
0,6638537
3
0,5457102
7
1,6933895
9
1,0970464
1
0,6638537
3
0,5457102
7
1,6933895
9
pronstico estacionalizado
estacionalizad
o
11,0775359
y
1
2
3
4
5
6
7
9,2
5,4
4,3
14,1
10,3
6,4
5,4
6,88183966
5,80384698
18,4652281
12,257519
7,59588073
6,39081294
20,286638
8
9
10
11
12
13
14
15
16
16
11,0775359
6,88183966
5,80384698
18,4652281
12,257519
7,59588073
6,39081294
20,286638
26) A continuacin se encuentran los ingresos por ventas de una compaa de servicios
pblicos grande de 1997 a 2007. Pronostique los ingresos de 2008 a 2011. Use su buen juicio,
intuicin o sentido comn en cuanto a qu modelo o mtodo usar, as como el periodo de
datos que incluir.
AOS (X)
SUMA=
1
2
3
4
5
6
7
8
9
10
11
66
INGRESOS
(Y)
4865,9
5067,4
5515,6
5728,8
5497,7
5197,7
5094,4
5108,8
5550,6
5738,9
5860
59225,8
X*Y
X^2
Y^2
4865,9
10134,8
16546,8
22915,2
27488,5
31186,2
35660,8
40870,4
49955,4
57389
64460
361473
1
4
9
16
25
36
49
64
81
100
121
506
23676982,81
25678542,76
30421843,36
32819149,44
30224705,29
27016085,29
25952911,36
26099837,44
30809160,36
32934973,21
34339600
319973791,3
= 506
59225,
(506 )
66 361
66
Y= bx + a
Y= 55.62x + 5050,44
Periodo
12
13
14
15
361
3
(506 )
66 59225,
66
a=
5050,44
b=
55,62
Pronostico
5717,88
5773,5
5829,12
5884,74
Periodo 12
Y= 55.62x + 5050.44
Y= 55.62(12) + 5050.44
Y=5717.88
Periodo 13
Y= 55.62x + 5050.44
Y= 55.62(13) + 5050.44
Y=5773.5
Periodo 14
Y= 55.62x + 5050.44
Y= 55.62(14) + 5050.44
Y=5829.12
Periodo 15
Y= 55.62x + 5050.44
Y= 55.62(15) + 5050.44
Y=5884.7
103
27) Mark Price, nuevo gerente de produccin de Speakers y Company, tiene que averiguar que
variable afecta ms la demanda de su lnea de bocinas para estereofnicos. No est seguro de
que el precio unitario del producto o los efectos de mayor marketing sean los principales
impulsores de las ventas y quiere aplicar un anlisis de regresin para averiguar que factor
impulsa ms demanda de su mercado. La informacin pertinente se recopilo en un extenso
proyecto de marketing que se extendi a los ltimos 10 aos y que se vaco en los datos
siguientes:
a.) Realice en Excel un anlisis de regresin basado en estos datos. Con sus resultados
conteste las preguntas siguientes.
Estadsticas de la regresin
Coeficiente
de
correlacin
mltiple
Coeficiente de determinacin
R^2
R^2 ajustado
Error tpico
Observaciones
0,854969139
0,730972229
0,67118828
146,6234467
12
104
ANLISIS DE VARIANZA
Regresin
Residuos
Total
Intercepcin
Variable X 1
Variable X 2
Coeficientes
Error tpico
2191,337362
826,082598
-6,909379925
2,915890727
0,325020441
0,238512793
F
Valor crtico de F
12,2268977
0,002716984
Estadstico t
Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
2,652685539 0,026359912
322,608696 4060,066028 322,608696 4060,066028
-2,369560649 0,041939148 -13,50558302 -0,313176831 -13,50558302 -0,313176831
1,36269605 0,2060985 -0,214532982 0,864573863 -0,214532982 0,864573863
b.) Qu variable, el precio o la publicidad, tiene un mayor efecto en las ventas y como se
sabe?
La variable x1 la cual corresponde al precio tiene mayor efecto en las ventas porque el valor de
la pendiente es mucho ms alto -6,9094 frente a 0,3250 que es la de la publicidad. El precio en
realidad tiene un efecto negativo, ya que al aumentar el precio las ventas disminuyen.
c.) Pronostique las ventas anuales promedio de bocinas de Speaker and Company basndose
en los resultados de la regresin , si el precio fue de 300 dlares por unidad y el monto
gastado en publicidad (en miles ) fue de 900 dlares.
28.) Suponga una Ft inicial de 300 unidades, una tendencia de 8 unidades, una alfa
de 0.30 y una delta de 0.40. Si la demanda real fue finalmente de 288, calcule el
pronstico para el siguiente periodo.
Ft = 300
= 0.30
= 0.40
At = 288
Tt = 8
Solucin:
105
t
1
2
At
(Demanda Real)
288
288
Ft
(Unidades)
300
302
Tt
(Tendencia)
8
5.6
FITt
308
307.6
FITt = Ft + Tt
FITt = 300 + 8
FITt = 308
29) La tabla siguiente contiene el nmero de quejas recibidas en una tienda departamental
durante los primeros seis meses de operacin.
QUEJAS
106
Enero
Febrero
Marzo
Abril
Mayo
Junio
36
45
81
90
108
144
Si se usara un promedio mvil a tres meses, cul habra sido el pronstico de mayo?
Enero
Febrero
Marzo
Abril
Mayo
Junio
QUEJAS
36
45
81
90
108
144
PRONSTICO
DESVIACIN
3 MESES
3 MESES
54
72
93
Desviacin Abs.
Total
MAD
36
36
51
123
F3(Abril)
54
F3(mayo)
F3(Junio)
72
93
41
El pronstico del mes de mayo luego de haber utilizado el promedio mvil para los tres meses
sera 72.
30) El siguiente es el nmero de cajas de vino merlot vendidos en la vinatera Connor Owen en
un perodo de 8 aos.
107
1998
1999
2000
2001
2002
2003
2004
2005
PROMEDIO(19982000)
MAD
DEMANDA
REAL
(UNIDADES)
270
356
398
456
358
500
410
376
PRONSTICO()
0.20
270.000
270.000
287.200
309.360
338.688
342.550
374.040
381.232
DESVIACIN ABS.
TOTAL
MAD
MAD
= 0,20
0.000
86.000
110.800
146.640
19.312
157.450
35.960
5.232
561.394
70.174
341.3333
68.2667
108